지역적 영상 특징과 평균 이동을 이용한 임베디드 실시간 물체 추적

Abstract

물체 추적은 로보컵이나 감시 시스템과 같은 다양한 로봇 응용에 적용된다. 평균 이동 방법은 빠른 성능과 간단한 구현 때문에 물체 추적에 적절한 것으로 알려져 있다. 평균 이동 방법은 색 분포의 유사도를 측정하여 목표 물체를 추적한다. 하지만, 평균 이동 방법의 안정성은 비슷한 색 분포를 가진 다른 물체가 목표 물체 가까이 있는 경우 신뢰성이 떨어진다. 물체 추적을 위해 색 분포를 이용하는 방법들은 잘못된 목표, 즉 지역 최대값으로 수렴하기 쉽다.

이 논문에서, 우리는 지역 영상 특징들과 색 히스토그램을 동시에 사용하는 새로운 방법을 제시한다. 지역적 영상 특징을 도입함으로써 평균 이동 방법은 지역 최대값으로 표류하지 않게 된다. 실시간 응용에 있어서 정확하고 빠른 연산은 중요한 요소이기 때문에, 지역 특징으로써 SURF(Speed Up Robust Feature)가 이용되었다. SURF는 계산 복잡도에서 훨씬 빠른 반면에, 정확도 측면에서 SIFT(Scale invariant Feature Transform)에 필적하는 성능을 보인다. 우리의 방법은 SURF 매칭에 의해 전체 영상에서 목표 물체를 찾고, 매칭된 지역 특징점들로부터 가중치를 계산한다. 그리고서, 목표 물체는 평균 이동 프레임웍 하에서 SURF와 색 히스토그램으로부터 나온 가중치를 결합하여 추적된다. 우리의 접근 방법은 실시간으로 사용하기에 충분할 만큼 빠르고, 표류와 가림에 대해 강인한 성능을 보여 준다.

우리는 한국의 로보티즈에 의해 개발된 `DARwIn-OP`라는 새로운 작은 휴머노이드 로봇을 이용하여 우리 접근 방법의 성능을 입증하였다. 우리 시스템은 로봇 축구 환경에서 정확도와 계산 시간의 측면에서 적당한 성능을 보여준다.